申请/专利权人：北京理工大学

申请日：2024-04-08

公开（公告）日：2024-06-21

公开（公告）号：CN118015474B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/32;G06V10/56;G06V10/80;G06V10/50

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种面向高位宽航天侦察影像情报分析的数据智能重量化方法，属于数字图像处理技术领域，该方法包括：提取三波段的RGB遥感图像；分别计算RGB遥感图像的红绿蓝三通道直方图，并对直方图进行移动均值滤波处理；基于滤波结果得到三组裁切系数；根据裁切系数，对RGB遥感图像进行裁切，并利用线性拉伸法对裁切结果进行拉伸处理，生成三张8位图像；对8位图像进行归一化处理，并计算对比度矩阵、亮度矩阵和饱和度矩阵；根据上述矩阵计算权重矩阵并进行归一化处理；根据归一化处理后的权重矩阵，对8位图像进行Haar小波融合得到融合图像；对融合图像进行处理生成重量化图像。本发明有效解决了重量化方法容易出现颜色和细节失真的问题。

主权项：1.面向高位宽航天侦察影像情报分析的数据智能重量化方法，其特征在于，包含以下步骤：S1.从高位宽多光谱遥感图像中提取红、绿、蓝三个可见光波段数据，得到三波段的RGB遥感图像；S2.分别计算所述RGB遥感图像的红色、绿色、蓝色通道直方图，并对每一个通道的直方图进行移动均值滤波处理，得到滤波后的RGB遥感图像；S3.根据滤波后的RGB遥感图像，计算得到三组裁切系数；S4.根据得到的三组裁切系数，分别对步骤S1中得到的RGB遥感图像进行裁切，并利用线性拉伸法对裁切结果进行拉伸处理，生成三张具有不同动态范围的8位图像；S5.对得到的三张8位图像分别进行归一化处理，并计算归一化处理后每张8位图像的对比度矩阵、亮度矩阵和饱和度矩阵；S6.根据得到的对比度矩阵、亮度矩阵和饱和度矩阵，计算每张8位图像对应的权重矩阵，并对所述权重矩阵进行归一化处理；S7.根据归一化处理后的三个权重矩阵，对8位图像进行Haar小波融合，得到融合图像；S8.将所述融合图像的像素通道值截断至0到255之间，并将截断结果转换为8位无符号整型数格式，生成最终的重量化图像；其中，步骤S3中根据滤波后的RGB遥感图像，计算得到三组裁切系数，具体的计算方法如下：根据滤波后的RGB遥感图像I，计算偏移系数DI和比例系数PI： 其中，max{I}表示滤波后的RGB遥感图像I中所有像素所有通道的最大值；min{I}表示滤波后的RGB遥感图像I中所有像素所有通道的最小值；Q0.5I、Q0.99I和Q0.01I分别表示RGB遥感图像I中所有像素所有通道值的50％分位数、99％分位数和1％分位数；根据偏移系数DI和比例系数PI，计算基础裁切系数ωIB和偏移裁切系数ωID： 式中，l表示对比度系数；基于基础裁切系数ωIB和偏移裁切系数ωID得到三组裁切系数ωI1、ωI2和ωI3： 步骤S4中，具体包括以下步骤：S41.根据三组裁切系数ωI1、ωI2和ωI3分别对步骤S1中得到的RGB遥感图像I0的通道值进行裁切，得到三张裁切结果图，计算方法为： 其中，I0表示待处理的RGB遥感图像；Rk，k＝1，2，3表示使用第k组裁切系数的裁切结果；iRk和jRk分别是裁切结果Rk的行索引和列索引；和分别是RGB遥感图像I0的行索引和列索引；c表示通道；ωIk1和ωIk2分别表示第k组裁切系数ωIk中的第一个系数和第二个系数；S42.对S41得到的三个裁切结果Rk，k＝1，2，3分别进行线性拉伸处理，得到三张具有不同动态范围的8位图像Mk，k＝1，2，3；计算方法为： 其中，Mk表示裁切结果Rk进行线性拉伸得到的8位图像；iMk和jMk分别是第k张8位图像Mk的行索引和列索引；步骤S5中计算归一化处理后每张8位图像的对比度矩阵、亮度矩阵和饱和度矩阵，具体的计算方法如下：S51.对于第k张8位图像Mk归一化处理后的结果图像Nk，其对比度矩阵Ek的计算公式为： 其中，iEk和jEk分别是对比度矩阵Ek中元素的行索引和列索引，k＝1，2，3；Gk为归一化结果图像Nk对应的灰度图；iGk和jGk分别是灰度图Gk中像素的行索引和列索引，u和v是卷积核相对于当前输出像素点的偏移量；L表示拉普拉斯卷积核矩阵；S52.对于第k张8位图像Mk归一化处理后的结果图像Nk，其亮度矩阵Bk的计算公式为： 其中，iBk和jBk分别是亮度矩阵Bk中元素的行索引和列索引；b表示最佳亮度系数；S53.对于第k张8位图像Mk归一化处理后的结果图像Nk，其饱和度矩阵Sk的计算公式为： 其中，iSk和jSk分别是饱和度矩阵Sk中元素的行索引和列索引；CmaxiNk，jNk和CminiNk，jNk分别表示归一化结果图像Nk中红绿蓝三通道值的最大值和最小值；iNk和jNk分别表示归一化结果图像Nk的行索引和列索引；步骤S7中根据归一化处理后的三个权重矩阵，对8位图像进行Haar小波融合，得到融合图像，具体的计算方法如下：S71.计算归一化处理后每个权重矩阵的高斯金字塔，所述高斯金字塔层数为f，得到对应的高斯金字塔矩阵；S72.对每一张8位图像进行多级二维Haar小波分解，分解级数为f，得到对应的Haar小波分解矩阵；S73.针对每一张8位图像，将其Haar小波分解矩阵与对应高斯金字塔矩阵的对应层级逐像素相乘，得到加权Haar小波分解矩阵；S74.将得到的三个加权Haar小波分解矩阵的对应层级逐像素求和，得到融合图像的Haar小波分解矩阵；S75.对融合图像的Haar小波分解矩阵进行二维Haar小波重构，得到最终的融合图像。

全文数据：

权利要求：

百度查询： 北京理工大学 面向高位宽航天侦察影像情报分析的数据智能重量化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD